Разработка системы поддержки принятия решения на основе Искусственного Интеллекта в оценке сосудистой патологии по данным КТ-ангиографии

Цель работы: Разработка программно-аппаратного комплекса поддержки принятия решения на основе искусственного интеллекта в оценке сосудистой патологии по данным КТ-ангиографии Задачи: 1. Создать и обучить прототип сверточной нейронной сети для оценки сосудистой патологии по данным компьютерно-томографической ангиографии. 2. Оценить диагностическую ценность прототипа сверточной нейронной сети в оценке сосудистой патологии по данным компьютерно-томографической ангиографии. 3. На основании проведенных исследований разработать программно-аппаратный комплекс поддержки принятия решения на основе искусственного интеллекта в оценке сосудистой патологии по данным КТ-ангиографии., внедрить их в практику и оценить эффективность использования. 4. Оценить экономическую эффективность применения программно-аппаратного комплекса поддержки принятия решения на основе искусственного интеллекта в оценке сосудистой патологии по данным КТ-ангиографии. Диагностика неразорвавшихся аневризм, стенозов втурненней сонной артерии является критически важной клинической задачей: внутричерепные аневризмы встречаются у 1–3% населения и составляют более 80% нетравматических, угрожающих жизни субарахноидальных кровоизлияний (нСАК), а окклюзия внутренней сонной артерии (ВСА) является важной причиной транзиторной ишемической атаки (ТИА) и инфаркта головного мозга. В настоящее время компьютерно-томографическая ангиография (КТА) является первичным, минимально инвазивным методом визуализации для диагностики, наблюдения и предоперационного планирования интракраниальных сосудов, однако интерпретация занимает много времени даже у опытных нейрорадиологов. Низкая межэкспертная согласованность представляет собой дополнительную проблему для достоверной диагностики. Сверточные нейронные сети продемонстрировали превосходную производительность в ряде визуализационных задач, включая анализ медицинских изображений. Более того, возможности систем машинного обучения для расширения рабочего процесса врача-рентгенолога остаются относительно неизученными. Разработка точной модели машинного обучения для правильной индетификации клинически значимых аневризм и стенозов при КТ-ангиографии поможет радиологам, нейрохирургам и другим клиницистам пользоваться легкодоступным инструментом диагностической поддержки. В помощь врачам-рентгенологам нами быдет разработана модель глубокого обучения для автоматического обнаружения и интерпретации КТ-ангиографических исследований интракраниальных аневризм (ИА), гемодинамически значимых стенозов внутренней сонной артери. Определены чувствительность, специфичность, точность улучшенной модели нейронной сети в сравнении с интраоперационными данными. Несмотря на отсутствие повсеместного применения данных систем на практике, эта область быстро развивается и в будущем может занять свою нишу в диагностике ИА и нСАК, стенозов ВСА